IA/classificatore_immagini
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

niente, non converge nemmeno con mnist

Browse Source
This commit is contained in:
mirimatcode
2025-02-14 16:55:56 +01:00
parent e49dcb42b7
commit b1104d9fb4
9 changed files with 48 additions and 40 deletions
Download Patch File Download Diff File Expand all files Collapse all files

BIN
classificatore_singolo
View File

Binary file not shown.

51
classificatore_singolo.c
View File

@@ -19,19 +19,21 @@
#define PERCETTRONI_LAYER_4 1
#define INPUT_LAYER_4 PERCETTRONI_LAYER_3
#define MAX_EPOCHE 1000
#define MAX_EPOCHE 10
//Scelgo quale categoria voglio identificare. La 7 sono i cavalli. La rete mi dirà per ogni immagine se è un cavallo o no
#define CATEGORIA 7
byte get_out_corretto(byte);
void stampa_layer_indirizzo(Layer*);
void stampa_tempo(time_t[], int);
void main() {
time_t tempo_epoche[MAX_EPOCHE];
srand(time(NULL));
Dataset *set_appoggio = get_dataset("mnist/t10k-images.idx3-ubyte", "mnist/t10k-labels.idx1-ubyte");
Dataset *set_appoggio = get_dataset(file_immagini, file_label);
if(set_appoggio == NULL)
return;
@@ -39,7 +41,7 @@ void main() {
free(set_appoggio);
ReteNeurale rete_neurale;
ReteNeurale *puntatore_rete = caricaReteNeurale("rete_cifar_pesi.bin");
ReteNeurale *puntatore_rete = caricaReteNeurale(file_pesi);
if(puntatore_rete == NULL) {
rete_neurale = inizializza_rete_neurale(NUM_LAYERS);
//inizializzo layer 0
@@ -51,7 +53,7 @@ void main() {
//inizializzo layer 3
rete_neurale.layers[3] = inizializza_layer(PERCETTRONI_LAYER_3, INPUT_LAYER_3);
//inizializzo layer ULTIMO
//rete_neurale.layers[4] = inizializza_layer(PERCETTRONI_LAYER_4, INPUT_LAYER_4);
rete_neurale.layers[4] = inizializza_layer(PERCETTRONI_LAYER_4, INPUT_LAYER_4);
} else {
rete_neurale = *puntatore_rete;
free(puntatore_rete);
@@ -62,26 +64,12 @@ void main() {
//ADDESTRAMENTO
for(int i = 0; i < MAX_EPOCHE; i++) {
time(&tempo_epoche[i]);
if(i == 0)
printf("Epoca %d\n", i);
else {
time(&tempo_epoche[i]);
double tempo_trascorso_epoca = difftime(tempo_epoche[i], tempo_epoche[i-1]);
double tempo_trascorso_totale = difftime(tempo_epoche[i], tempo_epoche[0]);
int minuti_epoca = (int)tempo_trascorso_epoca / 60;
int secondi_epoca = (int)tempo_trascorso_epoca % 60;
int minuti_totali = (int)tempo_trascorso_totale / 60;
int secondi_totali = (int)tempo_trascorso_totale % 60;
printf("Epoca %d\n", i);
printf("Tempo dall'epoca precedente: %d:%d\n", minuti_epoca, secondi_epoca);
printf("Tempo dall'inizio: %d:%d\n", minuti_totali, secondi_totali);
}
stampa_tempo(tempo_epoche, i);
int corrette = 0;
for(int indice_set = 0; indice_set < set.size -1; indice_set++) {
for(int indice_set = 0; indice_set < set.size; indice_set++) {
double **sigmoidi = (double **)malloc(sizeof(double*) * NUM_LAYERS);
@@ -93,14 +81,10 @@ void main() {
sigmoidi[j] = funzioni_attivazione_layer_double(rete_neurale.layers[j], sigmoidi[j-1]);
}
//printf("\timmagine: %d post sigmoidi\n", indice_set);
byte output_corretto = get_out_corretto(set.istanze[indice_set].categoria);
//Se prevede male
if(previsione(sigmoidi[NUM_LAYERS-1][0]) != output_corretto) {
double **gradienti = (double**)malloc(sizeof(double*) * NUM_LAYERS);
for(int indice_layer = 0; indice_layer < NUM_LAYERS; indice_layer++) {
@@ -116,14 +100,12 @@ void main() {
{
corrette++;
}
//printf("\timmagine: %d post correzioni\n", indice_set);
}
printf("\tRisposte corrette: %d\n", corrette);
}
salvaReteNeurale("rete_cifar_pesi.bin", &rete_neurale);
salvaReteNeurale(file_pesi, &rete_neurale);
}
//Questa funzione ritorna 1 se la categoria è quella che voglio individuare, altrimenti 0
@@ -144,3 +126,18 @@ void stampa_layer_indirizzo(Layer *layer) {
printf("\n");
}
}
void stampa_tempo(time_t tempo_epoche[], int i) {
time(&tempo_epoche[i]);
if(i > 0) {
double tempo_trascorso_epoca = difftime(tempo_epoche[i], tempo_epoche[i-1]);
double tempo_trascorso_totale = difftime(tempo_epoche[i], tempo_epoche[0]);
int minuti_epoca = (int)tempo_trascorso_epoca / 60;
int secondi_epoca = (int)tempo_trascorso_epoca % 60;
int minuti_totali = (int)tempo_trascorso_totale / 60;
int secondi_totali = (int)tempo_trascorso_totale % 60;
printf("Tempo dall'epoca precedente: %d:%d\n", minuti_epoca, secondi_epoca);
printf("Tempo dall'inizio: %d:%d\n", minuti_totali, secondi_totali);
}
}

BIN
mnist/mnist_manager
View File

Binary file not shown.

7
mnist/mnist_manager.h
View File

@@ -9,6 +9,11 @@ Byte 16 in poi: Dati delle immagini (ogni immagine è composta da 28x28 = 784 by
Le immagini sono 28x28 pixel.
I dati sono byte non firmati (valori da 0 a 255).
Il file contiene 60.000 immagini (per il training set),
Label
Byte 0-3: Numero magico (0x00000801).
Byte 4-7: Numero di label (60.000).
Byte 8 in poi: 60.000 byte, ognuno dei quali rappresenta l'etichetta di un'immagine.
*/
#include <stdlib.h>
@@ -59,7 +64,7 @@ Dataset *get_dataset(char *path_mnist, char *path_categoria)
int numero_righe = 0;
//Leggo male il file, cambiare in base alle dichiarazioni sopra
if(fread(istanze[numero_righe].immagine, sizeof(byte), 16, file) == 16)
if(fread(istanze[numero_righe].immagine, sizeof(byte), 16, file) == 16 && fread(&istanze[numero_righe].categoria, sizeof(byte), 8, categorie) == 8)
while (fread(istanze[numero_righe].immagine, sizeof(byte), N_PIXEL, file) == N_PIXEL)
{
if(fread(&istanze[numero_righe].categoria, sizeof(byte), 1, categorie) == 1) {

22
percettroni.h
View File

@@ -2,11 +2,15 @@
#include <stdlib.h>
#include <math.h>
char *file_pesi = "rete_pesi.bin";
char *file_immagini = "mnist/t10k-images.idx3-ubyte";
char *file_label = "mnist/t10k-labels.idx1-ubyte";
// Siccome il char è un byte che rappresenta il valore tra 0 e 255. Per evitare confusioni definisco il tipo "byte" come in Java
typedef unsigned char byte;
double LRE = 0.1;
double LRE = 0.2;
double soglia_sigmoide = 0.5;
typedef struct {
@@ -47,7 +51,7 @@ ReteNeurale *caricaReteNeurale(const char*);
//Questa funzione genera un valore reale random compreso nell'intervallo [-1, 1]
double randomico() {
// Genero numeri nell'intervallo [-1,1]
return ((double)(rand() % 101 * 0.01 * 2 ) -1);
return (double)((rand() / RAND_MAX) * -1);//((double)(rand() % 101 * 0.01 * 2 ) -1);
}
//Questa funzione inizializza il percettrone allocando la memoria in base al numero dei pesi che voglio ed inizializza il loro valore usando randomico()
@@ -130,6 +134,7 @@ double *funzioni_attivazione_layer_byte(Layer layer, byte *inputs) {
for(int i = 0; i < layer.size; i++) {
funzioni[i] = sigmoide_byte(layer.percettroni[i], inputs, layer.percettroni[i].size);
//printf("\tsigmoide layer input %f\n", funzioni[i]);
}
return funzioni;
@@ -142,6 +147,7 @@ double *funzioni_attivazione_layer_double(Layer layer, double *inputs) {
for(int i = 0; i < layer.size; i++) {
funzioni[i] = sigmoide_double(layer.percettroni[i], inputs, layer.percettroni[i].size);
//printf("\tsigmoide layer %d: %f\n", i, funzioni[i]);
}
return funzioni;
@@ -162,9 +168,9 @@ void correggi_layer_interni(ReteNeurale *rete, double **gradienti, double **sigm
for(int indice_percettrone = 0; indice_percettrone < rete->layers[indice_layer].size; indice_percettrone++) {//Numero percettroni
for(int indice_peso = 0; indice_peso < rete->layers[indice_layer].percettroni[indice_percettrone].size; indice_peso++) {//Numero pesi
gradienti[indice_layer][indice_percettrone] = gradienti[rete->size-1][0] * (sigmoidi[indice_layer][indice_percettrone] * (1 - sigmoidi[indice_layer][indice_percettrone]));
rete->layers[indice_layer].percettroni[indice_percettrone].pesi[indice_peso] += (gradienti[indice_layer][indice_percettrone] * LRE * sigmoidi[indice_layer-1][indice_percettrone]);
//rete->layers[indice_layer].percettroni[indice_percettrone].pesi[indice_peso] += (gradienti[rete->size-1][0] * LRE * sigmoidi[indice_layer-1][indice_percettrone]);
//gradienti[indice_layer][indice_percettrone] = gradienti[rete->size-1][0] * (sigmoidi[indice_layer][indice_percettrone] * (1 - sigmoidi[indice_layer][indice_percettrone]));
//rete->layers[indice_layer].percettroni[indice_percettrone].pesi[indice_peso] += (gradienti[indice_layer][indice_percettrone] * LRE * sigmoidi[indice_layer-1][indice_percettrone]);
rete->layers[indice_layer].percettroni[indice_percettrone].pesi[indice_peso] += (gradienti[rete->size-1][0] * LRE * sigmoidi[indice_layer-1][indice_percettrone]);
}
rete->layers[indice_layer].percettroni[indice_percettrone].bias += (gradienti[indice_layer][indice_percettrone] * LRE);
//printf("bias: %f\n", rete->layers[indice_layer].percettroni[indice_percettrone].bias);
@@ -179,9 +185,9 @@ void correggi_layer_input(Layer *layer, double **gradienti, double **sigmoidi, b
for(int indice_percettrone = 0; indice_percettrone < layer->size; indice_percettrone++) {//Numero percettroni
for(int indice_peso = 0; indice_peso < layer->percettroni->size; indice_peso++) { //Numero pesi
gradienti[indice_layer][indice_percettrone] = gradienti[n_layers-1][0] * (sigmoidi[indice_layer][indice_percettrone] * (1 - sigmoidi[indice_layer][indice_percettrone]));
layer->percettroni[indice_percettrone].pesi[indice_peso] += (gradienti[indice_layer][indice_percettrone] * LRE * inputs[indice_peso]);
//layer->percettroni[indice_percettrone].pesi[indice_peso] += (gradienti[n_layers-1][0] * LRE * inputs[indice_peso]);
//gradienti[indice_layer][indice_percettrone] = gradienti[n_layers-1][0] * (sigmoidi[indice_layer][indice_percettrone] * (1 - sigmoidi[indice_layer][indice_percettrone]));
//layer->percettroni[indice_percettrone].pesi[indice_peso] += (gradienti[indice_layer][indice_percettrone] * LRE * inputs[indice_peso]);
layer->percettroni[indice_percettrone].pesi[indice_peso] += (gradienti[n_layers-1][0] * LRE * inputs[indice_peso]);
}
layer->percettroni[indice_percettrone].bias += (gradienti[n_layers-1][0] * LRE);
}

BIN
rete_neurale
View File

Binary file not shown.

BIN
rete_pesi.bin Normal file
View File

Binary file not shown.

BIN
visualizzatore
View File

Binary file not shown.

6
visualizzatore.c
View File

@@ -33,13 +33,13 @@ void main()
init_allegro();
//get_dataset("cifar-10-batches/test_batch.bin");
set = get_dataset("mnist/t10k-images.idx3-ubyte", "mnist/t10k-labels.idx1-ubyte");
set = get_dataset(file_immagini, file_label);
if (set == NULL) {
printf("Errore nel caricare il dataset\n");
return;
}
rete_neurale = caricaReteNeurale("rete_cifar_pesi.bin");
rete_neurale = caricaReteNeurale(file_pesi);
if (rete_neurale == NULL) {
printf("Errore nel caricare il modello\n");
return;
@@ -94,7 +94,7 @@ void init_allegro() {
void carica_immagine(int indice_set)
{
// Stampa informazioni sull'immagine
printf("Immagine indice: %d, categoria: %d\n", indice_set, set->istanze[indice_set].categoria);
printf("Immagine indice: %d, valore: %d. è un 7? %d\n", indice_set, set->istanze[indice_set].categoria, prevedi(indice_set));
// Itera su ogni pixel dell'immagine
for (int y = 0; y < IMAGE_HEIGHT; y++)